综述:脑机接口在学习障碍和数学学习中的应用:基于结构化叙事综合的综述 维多利亚·加利茨卡娅(Viktoriya Galitskaya)、 乔治奥斯·波利多罗斯(Georgios Polydoros)、 亚历山德罗斯-斯塔马季奥斯·安东尼奥乌(Alexandros-Stamatios Antoniou)、 潘特利斯·佩尔甘蒂斯(Pantelis Pergantis)和 阿萨纳西奥斯·德里加斯(Athanasios Drigas)

《Applied Sciences》:Brain–Computer Interfaces in Learning Disorders and Mathematical Learning: A Scoping Review with Structured Narrative Synthesis Viktoriya Galitskaya, Georgios Polydoros, Alexandros-Stamatios Antoniou, Pantelis Pergantis and Athanasios Drigas

【字体: 大 中 小 】 时间:2026年04月17日 来源:Applied Sciences 2.5

编辑推荐:

  摘要:脑机接口(BCIs)越来越多地被用作监测和调节与学习相关的认知过程的工具。然而,将其应用于学习障碍,尤其是计算障碍(dyscalculia)和空间感知障碍(ageometria)等数学学习困难方面,虽然概念上具有前景,但在实证研究上仍然不够充分。本研究通过对基于BCI的干预

  摘要:脑机接口(BCIs)越来越多地被用作监测和调节与学习相关的认知过程的工具。然而,将其应用于学习障碍,尤其是计算障碍(dyscalculia)和空间感知障碍(ageometria)等数学学习困难方面,虽然概念上具有前景,但在实证研究上仍然不够充分。本研究通过对基于BCI的干预措施在学术障碍人群中的最新实证研究进行系统性回顾和结构化叙述综合,特别关注其对数学学习的潜在转化意义。遵循PRISMA-ScR原则和“人群-概念-背景”框架,通过Scopus、IEEE Xplore和PubMed数据库搜索确定了2020年至2025年期间发表的相关研究。共有30项研究符合纳入标准。所有符合条件的研究都集中在注意力缺陷/多动障碍(ADHD)上,而未发现针对计算障碍或空间感知障碍的BCI干预研究。所回顾的文献主要由基于脑电图(EEG)的神经反馈干预组成。为了超越描述性总结,这些研究按照干预模式、主要认知目标、方法学稳健性和与数学学习障碍的转化接近程度进行了分类。在现有证据基础上,最一致的研究结果集中在注意力调节和执行功能方面,而学术和数学相关的结果较少且方法学发展不足。尽管多项研究表明对数学学习相关的通用认知机制有所改善,但由于缺乏针对计算障碍和空间感知障碍的直接证据,因此无法得出确定性的结论。因此,本综述指出了当前BCI应用在学习障碍背景下的潜在优势与局限性,并认为未来的研究应优先考虑针对计算能力、视空间推理和数学学习障碍中的执行过程的以理论驱动的、特定于障碍的试验。尽管当前的发现显示了这些技术在认知和教育方面的潜力,但它们尚未准备好在没有进一步验证、教师培训、伦理保障和成本效益模型的情况下在标准课堂环境中常规使用。

1. 引言
1.1 教育和认知背景下的脑机接口
脑机接口(BCIs)能够记录和解释神经活动,以支持沟通、监测或适应性系统响应。虽然BCIs最初是为医疗和康复目的开发的,但其应用已逐渐扩展到认知训练、神经反馈和教育应用[1,2,3,4,5]。特别是基于脑电图(EEG)的非侵入性系统,提供了实时检查注意力状态、工作负荷、自我调节和其他与学习相关过程的相对可行的方法[1,6,7,8,9]。在教育研究中,BCIs的重要性不仅在于技术本身,还在于其支持学术表现所需的核心认知功能的潜力,包括注意力调节、工作记忆、抑制控制和更广泛的执行功能[5,8,10,11]。这些功能在具有神经发育或学习相关困难的人群中尤为重要,因为认知自我调节常常限制了学习进展。因此,BCI的教育意义不应仅被视为一种技术 novelty,而应作为一种识别、监测和调节与学习表现直接相关的过程的机制。在本综述中,“教育BCI”是指用于在教学、培训或学校相关背景下监测、调节或适应与学习相关的认知过程的非侵入性脑机接口系统。这一定义将教育BCI与纯粹的临床诊断系统区分开来,后者的主要目的是医疗评估或治疗,也与提供与学习过程无关的实时神经生理反馈的一般辅助技术区分开来。因此,本综述并不试图提供BCI技术的全面概述,而是专注于学习障碍人群中的实证研究,并探讨现有证据是否为未来在数学学习困难中的BCI应用提供了有意义的基础。

1.2 BCI与学习障碍
BCI技术在研究学习障碍方面引起了越来越多的兴趣,因为它们可以用来监测并可能调节对学习至关重要的认知过程。特别是基于神经反馈的BCI范式被研究 sebagai 针对注意力、工作记忆、自我调节和执行功能的干预措施[10,12]。这些领域对学术表现具有重要意义,并且经常在神经发育障碍中受损。尽管BCIs最初是为有严重运动或沟通障碍的个体设计的[2,13],但最近的研究探索了它们在具有学习和发育困难的人群中的适用性。现有证据表明,BCI相关干预可能改善选定的认知和行为结果,尤其是在注意力缺陷/多动障碍(ADHD)儿童中,尽管这些发现仍然具有异质性,并受到协议设计、控制条件和结果测量的影响[1,8,11]。本综述特别关注这些发展对数学学习障碍的相关性。这种关注很重要,因为数学困难通常不仅与领域特定的数字缺陷有关,还与注意力、工作记忆和执行控制的普遍薄弱有关。因此,回顾学习障碍人群中的BCI研究的意义在于了解当前的干预措施是否也针对数学学习失败的核心机制。

传统的计算机辅助教学可以支持重复、可视化和适应性任务排序;然而,它通常依赖于明显的表现,而不是注意力投入、认知负荷或自我调节状态的直接生理指标。相比之下,BCI相关的方法可以提供实时的神经生理反馈,从而有可能更即时地适应认知状态的变化。因此,BCIs可能补充而不是简单地替代传统的数字教学,尤其是在隐藏的注意力或执行困难限制学习的人群中。

1.3 数学和几何学习中的BCI
与更广泛的BCI文献相比,直接研究数学或几何学习的研究仍然有限。尽管如此,现有的研究表明,BCI相关方法可能对数学教育具有相关性。先前的研究报道了BCI支持的认知游戏与数学参与度之间的关联、数学教学期间基于EEG的注意力状态监测,以及旨在支持几何学习的新兴运动想象或自适应系统[14,15,16]。然而,目前这一研究领域仍然较为分散。大多数研究关注参与度、注意力或与任务相关的认知状态,而不是诊断出的数学学习障碍。因此,文献尚未提供关于基于BCI的干预对计算障碍或空间感知障碍的直接实证证据。这种缺失本身就是一个有意义的发现,强调了需要一个结构化的回顾,以区分直接证据、间接证据和纯粹的推测性扩展。考虑数学学习障碍中的BCI相关干预的进一步理论依据来自神经可塑性的概念,即神经系统根据重复经验、反馈和训练重新组织的能力。这一概念在数学教育中尤为重要,因为成功的数字和几何学习依赖于注意力、执行、视空间和符号处理网络的逐步协调。从这个角度来看,BCI相关干预可能不仅因为提供了练习机会,还因为它们可能支持与学习相关的神经状态的更适应性调节。尽管在计算障碍中缺乏直接证据,但神经可塑性框架有助于解释为什么有针对性的神经反馈或BCI支持的训练在理论上适合未来的干预开发。

1.4 理由和目标
尽管对BCI在教育中的应用兴趣日益增加,但其在数学学习障碍中的明确使用仍然不足。在现有文献中,可以识别出两个部分重叠但在分析上不同的证据流。第一个关注学习障碍或神经发育人群中的BCI应用,特别是针对注意力、工作记忆和执行功能的研究。第二个关注一般学生人群中数学或几何学习中的BCI相关应用。目前仍然缺乏的是这两者之间的交叉:针对计算障碍或空间感知障碍的直接BCI干预研究。这一空白证明了本综述的必要性。该主题的重要性不在于假设从ADHD或阅读障碍中发现的结果可以直接推广到数学学习障碍,而在于检查现有研究是否针对可能具有转化意义的共享神经认知机制。计算障碍和其他数学学习困难通常与工作记忆、注意力控制和执行功能的弱化有关[17,18]。因为这些相同的机制也是其他学习障碍人群中BCI相关干预的共同目标,因此有必要仔细绘制现有的证据基础。因此,本研究被构想为一个具有结构化叙述综合的系统回顾。其目标如下:
(a) 绘制关于学习障碍人群中基于BCI的干预措施的最新实证证据;
(b) 使用结构化的分析框架组织这些证据;
(c) 评估哪些认知和学术成果被最频繁地针对;
(d) 以谨慎和明确提出假设的方式,评估这些文献对未来计算障碍和空间感知障碍研究的潜在转化意义。因此,本综述不会声称BCI对数学学习障碍的有效性已得到证实,而是通过澄清现有证据的状态、其内在局限性和未来特定于障碍研究的最有前景的方向来做出贡献。

2. 材料与方法
2.1 研究问题的确定
以下是本系统性回顾旨在解决的特定研究问题:
RQ1. 脑机接口(BCIs)在具有学习障碍的人群中的现代应用是什么,相关干预措施的关键目标和独特方面是什么?
RQ2. 基于BCI的干预措施在多大程度上被发现有助于改善学习障碍学生的认知技能,如注意力、工作记忆和执行功能?
RQ3. 有多少实证证据表明,脑机接口(BCI)的应用可以改善典型和非典型学习者的数学和几何技能?
RQ4. 现有文献中存在哪些需要解决的缺口,特别是在将脑机接口(BCI)应用于计算障碍和空间感知障碍的学习者方面?
由于本研究的目的是绘制现有证据的范围、特征和概念相关性,而不是定量汇总效应大小,因此本回顾被设计为一个具有结构化叙述综合的系统回顾,而不是元分析。与此目的一致,分析强调了证据绘制、研究特征比较和对转化意义的批判性解读。

2.2 关注ADHD和阅读障碍的理由
虽然数学学习障碍(包括计算障碍和空间感知障碍)是本综述的主要关注点,但系统评估仅限于检查注意力缺陷多动障碍(ADHD)和阅读障碍的实证研究。这种做法虽然明显是一个实用的决定,但也得到了来自跨诊断方法研究的理论依据的支持,这些研究清楚地表明这些学习障碍之间存在高度共病和共享的神经认知基础。因此,ADHD和阅读障碍被用作理论上的信息来源,尽管严格来说是为了生成假设的替代品,代表计算障碍的试验。如[19]所述,ADHD、阅读障碍和计算障碍经常同时出现,具有共同的病因因素,涉及工作记忆、执行功能和注意力控制等神经认知缺陷。此外,多项元分析研究清楚地表明,ADHD儿童在工作记忆的 verbal 和视空间组成部分以及更一般的执行控制系统中存在缺陷[20,21,22,23]。同样,被诊断为阅读障碍的个体在更新、转移和抑制等执行能力方面也表现出缺陷,即使考虑了共病的ADHD[24]。除了这些实证行为研究外,神经影像学元分析还发现了支持注意力、工作记忆和数字能力等认知过程的前额-顶叶和颞-枕叶网络的结构和功能变化的共通模式[25,26]。此外,并行的遗传元分析结果也证实了与阅读技能、注意力和数学能力相关的潜在共同遗传风险因素的存在[27]。总的来说,所有上述结果都支持了ADHD、阅读障碍和计算障碍可以视为受共同神经发育风险因素影响的相互关联的认知表征的理论前提。此外,神经教育和认知心理学领域的学术研究[17,18,28]也认为,计算障碍和空间感知障碍可以根据工作记忆能力、空间认知和执行功能的损害来区分——这些认知能力也与ADHD和阅读障碍的存在有关。这种概念上的重叠为将注意力缺陷多动障碍(ADHD)和阅读障碍(dyslexia)纳入当前的综述提供了有力的理由,因为从理论上讲,这两种情况都与计算障碍(dyscalculia)有关。由于脑-计算机接口(BCI)能够帮助控制注意力、执行功能调节和工作记忆——这些认知能力常受到这些疾病的影响——BCI对于同时患有ADHD和阅读障碍的人群已经显示出积极的效果,这表明其在数学学习障碍方面的应用前景十分广阔[29,30,31,32]。因此,仅选择关注ADHD和阅读障碍的综述研究,可以为推测如何将这种干预措施扩展到帮助计算障碍患者及相关数学学习挑战提供理论基础。

2.3. 资格标准与PCC框架
根据Joanna Briggs Institute (JBI) 规定的范围综述指南,纳入标准基于Population Concept Context框架[33]。该框架有助于系统地确定综述的范围和重点。这种PCC方法确保了只有与综述主要目标直接相关的研究才会被纳入,即探讨BCI技术在有学习障碍人群中的教育应用及其对计算障碍和几何图形障碍等数学学习障碍的潜在影响。

2.4. 纳入和排除标准
**纳入标准(IC):**
- 发表于2020年至2025年之间的研究,反映了BCI技术的最新进展。
- 实验性、准实验性、对照性或混合方法的经验研究。
- 采用BCI进行教育、认知或技能提升的研究。
- 涉及患有ADHD或阅读障碍的儿童、青少年或年轻成人的研究。
- 以英文发表的研究。

**排除标准(EC):**
- 2020年之前的出版物。
- 文献综述、系统综述、元分析、社论、实验方案和非经验性论文。
- 用于非教育或治疗目的的BCI出版物。
- 不涉及教育领域或不关注认知或学术改进的出版物。
- 非英文出版物。

2.5. 搜索策略
该综述遵循Joanna Briggs Institute关于范围综述的指导原则,研究选择过程使用了PRISMA-ScR框架。搜索在Scopus、IEEE Xplore和PubMed中进行,并通过滚雪球技术从参考文献列表中额外识别潜在相关记录。搜索词包括“脑-计算机接口”、“BCI”、“EEG”、“神经反馈”、“ADHD”、“阅读障碍”、“注意力”、“工作记忆”和“执行功能”的组合。选择这些数据库是因为它们涵盖了生物医学、神经技术和跨学科教育研究的广泛范围。虽然Web of Science和ScienceDirect等数据库也可能包含相关记录,但选定的数据库足以满足本次范围综述的需求。

2.6. 数据库特定搜索示例
- Scopus:TITLE-ABS-KEY ((BCI OR EEG) AND (dyslexia OR ADHD) AND (“Executive Function” OR “working memory” OR attention)) AND PUBYEAR > 2019 AND PUBYEAR < 2026。
- IEEE Xplore: (“Brain-Computer Interface” OR BCI OR EEG) AND (ADHD OR dyslexia) AND (attention OR “working memory” OR “Executive Function”).
- PubMed:((“Brain-Computer Interfaces” [MeSH]) OR (BCI OR EEG OR neurofeedback [Title/Abstract])) AND ((“Dyslexia” [MeSH]) OR (“Attention Deficit Disorder with Hyperactivity” [MeSH])) AND ((“Executive Function” [MeSH] OR “working memory” [MeSH] OR “Attention” [Title/Abstract])。
完整的数据库特定搜索字符串、搜索日期和导出记录在综述过程中被存档,并在附录A中提供,以增强透明度和可重复性。

2.7. 审稿人一致性和数据管理
标题、摘要和全文由两位审稿人使用Rayyan(Rayyan Systems Inc., Cambridge, MA, USA;网页版本)独立筛选,之前进行了试点校准。两位审稿人在神经教育、学习障碍和证据综合方法方面都有经验。使用Cohen’s κ系数评估了审稿人之间的一致性,κ = 0.84,表明审稿人之间有很强的共识,分歧通过第三位审稿人的讨论得到解决。开发了一个试点数据图表模板,用于提取有关研究设计、样本、BCI/神经反馈方案、对照组、剂量、结果和信息。所有搜索导出、筛选日志和数据图表文件都进行了版本控制并存档,包括完整的数据库字符串和日期戳,见附录A。

2.8. 方法学质量评估
虽然范围综述不必进行正式的偏倚风险评估,但还是使用Joanna Briggs Institute (JBI) 的检查清单进行了初步的批判性评估。项目被编码为Y/N/U/NA(是/否/不明确/不适用),并综合成总体质量判断(低、有些问题、高)。第3节提供了简洁的方法学总结,而详细的项级矩阵(缩写领域:RAND, ALLOC, P-BLIND, A-BLIND, BASE/COMP, CONTOTAL, FOLLOW-UP, OUTCOME, ANALYSIS)在附录表A1中提供。

2.9. 证据映射的分析框架
为了超越描述性总结并提供更深层次的概念价值,纳入的研究使用了结构化的分析框架进行组织。每项研究根据四个维度进行分类:
- 首先,根据干预模式进行分组:
- 基于EEG的神经反馈;
- 基于EEG引导的生物反馈或自适应学习系统;
- 基于fNIRS的神经反馈;
- 移动或家庭使用的BCI系统;
- 结合BCI/神经反馈与药物、行为干预或计算机化认知训练的混合或多模式方法。
- 其次,根据主要目标领域进行分类:
- 注意力调节;
- 工作记忆;
- 执行功能;
- 适用情况下的学术或学校相关表现;
- 数学相关表现。
- 第三,根据与数学学习障碍的转化接近程度进行评估。如果研究评估了数学或几何相关结果,则归类为直接相关;如果研究针对数学学习的核心机制(如注意力、工作记忆或执行功能),则归类为间接相关;如果研究主要关注一般症状缓解或行为结果而没有明确的教育或数学相关终点,则归类为间接相关。
- 第四,根据方法学的稳健性进行解释,区分随机对照试验、对照非随机或准实验性研究以及单组前后设计。

2.10. 研究选择
通过数据库搜索和相关筛选程序共识别出1613条记录(见图2)。搜索范围覆盖了2020年1月至2025年9月期间,旨在识别关于在有学习障碍的儿童和青少年中使用脑-计算机接口(BCI)技术的研究。资格标准根据Population–Concept–Context (PCC) 框架制定(见表1)。搜索结合了与脑-计算机接口(BCI)、脑电图(EEG)、神经反馈、ADHD、阅读障碍和教育干预相关的关键词,并在选定的数据库中使用布尔运算符。去除重复记录后(n = 253),保留了974条记录进行标题和摘要筛选。筛选由两位审稿人独立使用预定义的纳入和排除标准进行。筛选涵盖了2020–2025年期间从Scopus、IEEE Xplore和PubMed检索的记录。使用Cohen’s κ系数评估审稿人之间的一致性,得出的高一致性值为κ = 0.84。剩余的386条记录进行了全文评估。其中4篇文章因无法获取全文而未被评估。排除全文评估的原因包括仅使用EEG但不包含BCI或神经反馈的观察性研究、非经验性研究、没有教育结果数据的原型研究、在非教育或康复环境中进行的研究,以及不关注认知、注意力或学术结果的研究。最终,有30项研究符合所有预定义的纳入标准并被纳入范围综述。数据提取使用标准化图表模板进行。提取的变量包括研究设计、人群特征、干预类型、认知结果(如注意力、工作记忆、执行功能)和教育背景。提取的数据在电子表格中系统地组织起来,以确保准确性和可复制性。纳入研究的特征在表2(单组研究)和表3(对照研究)中总结。大多数干预基于基于EEG的神经反馈或相关的BCI方法,针对注意力调节、执行功能或学术表现。第3节提供了方法学质量的简要概述,而详细的JBI项目编码在附录表A1中提供。

3. 结果
3.1. 研究选择和特征
共有30项研究符合本次范围综述的预设纳入标准。尽管最初的搜索策略旨在识别在ADHD、阅读障碍、计算障碍及相关学习障碍人群中应用脑-计算机接口(BCI)的研究,但最终符合条件的研究仅涉及ADHD参与者。没有发现符合条件的计算障碍或几何图形障碍干预研究,也没有阅读障碍研究满足所有纳入标准。符合所有资格的ADHD研究示例包括[40,44,48,49,50],这些研究共同体现了当前文献在注意力调节、执行功能和基于神经反馈的认知调节方面的重点。纳入的研究发表于2020年至2025年之间,包括单组、对照、准实验性和随机对照设计。样本规模从8到157名参与者不等,大多数研究涉及6至15岁的儿童和青少年。主要的干预模式是基于EEG的神经反馈,通常针对θ波、β波、α波、感觉运动节律(SMR)或θ/β比率(TBR)活动。少数研究使用了移动神经反馈系统、自适应EEG引导的协议、多模态生物反馈方法或基于fNIRS的神经反馈。干预的持续时间和强度在各研究中差异很大。训练方案从短暂的多会话计划到持续数月的干预不等。结果测量包括行为评分量表、注意力和执行功能的神经心理学测试、学术指标以及神经生理标志物(如EEG功率比、事件相关电位和连接性测量)。设计的多样性、干预剂量和测量方法的差异性突显了文献的广泛性以及直接比较研究的挑战。由于纳入的研究主要集中在儿童期和早期青少年期,大多数参与者年龄在6至15岁之间,因此目前 evidence 对不同发展阶段的疗效差异没有强有力结论。未来的研究应明确比较不同年龄段,以确定对BCI相关干预的反应是否随发展而变化。纳入研究的特征,包括其主要目标、干预形式、结果和主要发现,在表2(单组研究)和表3(对照研究)中总结。方法学质量的简要概述表明,随机对照试验最常引起关于流失率、依从性或分配隐藏的问题,而准实验性和单组设计则通常受限于缺乏随机化、对照组不足和混杂因素。详细的JBI基于项目的研究级别判断在附录表A1中提供。

3.2. 证据的结构化综合
使用第2节描述的分析框架对纳入的研究进行了综合,以便超越描述性总结,提供更概念化的解释。具体而言,从四个交叉维度对证据进行了检查:干预模式、主要目标领域、与数学学习障碍的转化接近程度以及方法学稳健性。这种方法使得不仅可以根据结果是否积极或中性来解释文献,还可以根据使用的BCI相关干预类型、所针对的认知或学术过程、它们与数学学习障碍的直接关联程度以及研究设计对其支持的强度来进行解释。

3.2.1. 按干预模式、目标领域和转化接近程度的综合
在纳入的研究中,最常见的干预模式是基于EEG的神经反馈,这明显占据了证据基础。这些方案通常关注θ波、β波、α波、感觉运动节律(SMR)或θ/β比率(TBR)活动的调节。较少数的研究使用了自适应EEG引导的系统、移动或家庭使用的神经反馈应用程序、基于任务的神经反馈范式,或结合BCI/神经反馈与药物、行为干预或计算机化认知训练的混合多模式方法。只有少数研究采用了基于fNIRS的神经反馈等替代方法,表明该领域在方法学上仍集中在基于EEG的系统上。从技术角度来看,大多数被研究的系统都是非侵入性的,并依赖于振荡态脑电图(EEG)特征;而其中一小部分系统则整合了便携式EEG设备、基于平板电脑的交付方式、移动神经反馈配置或fNIRS辅助系统。这表明目前该领域更依赖于相对容易获取的可穿戴或半便携式系统,而非高度复杂的仅适用于实验室的平台。在主要目标领域方面,被研究的主要集中在注意力调节和执行功能上,有一小部分但仍然有意义的研究关注工作记忆。相比之下,研究学术表现的相关研究较少,而直接涉及数学或几何学习的成果报告更为罕见。这种分布从理论上来说很重要,因为它表明当前的脑机接口(BCI)文献主要集中在对学习障碍人群的认知调节上,而不是对数学学习障碍的直接干预。

从转化应用的角度来看,被研究的项目可以分为三大类:极少数的项目与数学或几何学相关;更多的项目属于“间接-接近”类别,因为这些项目针对的是注意力、工作记忆、抑制能力、自我调节或更广泛的执行功能,这些功能也与计算障碍(dyscalculia)和空间感知障碍(ageometria)密切相关;还有一小部分项目可归类为“间接-远”类别,因为这些项目主要关注一般行为改善、症状减轻或可行性评估,而没有明确的学术或数学相关终点。这种区分对于负责任地解读证据至关重要。被研究的文献确实为BCI相关干预可能影响与学习相关的认知机制提供了有意义的支持,但目前还没有直接的经验证据来证明这类干预在计算障碍或空间感知障碍中的有效性。因此,该领域目前的主要贡献在于机制建设和假设生成,而非针对特定障碍的验证。

如表4所示,该领域主要集中在基于EEG的干预上,尤其是针对注意力和执行控制的干预,而大多数研究属于“间接-接近”转化应用类别。这种模式对于理解这篇综述非常重要,因为它表明现有文献为未来关于数学学习障碍的研究提供了合理的理论和机制基础,但尚未为计算障碍或空间感知障碍提供直接的干预证据。

为了明确实证研究的重点,根据主要结果领域对纳入的研究进行了综合分析。如表5所示,证据基础在注意力调节方面最为坚实,其次是执行功能,而涉及工作记忆的研究数量较少但总体结果较为积极。相比之下,学术成果尤其是与数学相关的成果依然较少且方法学发展不足。在所有被研究的文献中,与注意力相关的成果最为普遍。大量研究报告了注意力控制、持续注意力、反应速度的提升或注意力不集中的症状减轻。然而,这些发现在不同研究设计中的稳定性并不一致:单组研究或准实验研究往往显示出更有利的成果,而随机对照试验则更多地产生混合或减弱的效应。这种模式表明,包括预期效应、盲法不足或比较条件薄弱在内的设计相关因素可能部分解释了文献中的明显积极结果。

执行功能的结果(包括抑制、计划、认知灵活性和反应控制)也显示出总体上的积极趋势。这些发现在此次综述中尤为重要,因为执行功能障碍不仅与多动症(ADHD)有关,也与数学学习困难有关。同时,跨研究比较具有挑战性,因为各研究以不同的方式操作化了执行功能,使用了不同的行为评分量表、神经心理学测试和电生理测量方法。

工作记忆的结果报告较少,但现有研究普遍表明有积极效果。尽管如此,这类证据的数量仍然相对有限,且干预协议和结果测量方式的多样性使得难以得出强有力的结论。证据基础中最薄弱的方面是学术迁移。只有少数研究报出了与学校表现、课堂功能或学术成就相关的结果,而能直接解释为与数学相关的结果更是少之又少。因此,当前的BCI研究在认知过程调节方面发展更为成熟,而在教育或数学特定效益方面的证据则较为不足。

如表5所示,证据基础主要集中在领域通用的认知结果上,尤其是注意力调节和执行功能,而直接与数学相关的应用较为罕见。这加强了综述的一个核心结论:现有文献可以为数学学习障碍的转化应用提供理论依据,但尚未提供足够的直接证据来支持其在计算障碍或空间感知障碍中的有效性。

由于对报告有效性的解释在很大程度上取决于方法学的严谨程度,因此还根据研究设计对纳入的研究进行了比较。比较显示,单组研究和前后对照研究经常报告积极结果,尤其是在注意力和行为领域。然而,这类设计在防止回归均值、重复测试效应、安慰剂效应和评估者预期方面保护有限。这些研究对于可行性评估和早期信号检测很有用,但无法为因果推断提供强有力的基础。随机对照试验提供了更强的解释基础,因为它们包含了对照组,但许多研究仍受到非随机分配、可能的基线不平衡、共同干预混淆或盲法程序不明确的限制。因此,它们的结果具有重要意义,但仍需谨慎解读。

最严谨的研究是随机对照试验,这些试验更能有效应对安慰剂效应、预期偏差和非特异性改善。值得注意的是,这类研究往往比控制较少的设计产生更为谨慎或混合的结果。这一模式很重要,因为它表明,当没有充分考虑方法学质量时,更广泛文献中的积极结果可能会被夸大。

另一个问题是混合干预的解释,例如结合神经反馈与药物治疗、行为管理或计算机化认知训练的研究。尽管这些多模式方法有时看起来比单一方法更有效,但也使得难以单独确定BCI组分的特定贡献。同样,移动和家庭系统的应用提高了可行性和生态效度,但也引入了关于依从性、实施准确性和跨情境标准化等额外问题。

综上所述,比较评估(见表6)表明,现有文献最强烈支持BCI相关干预的可行性和认知相关性,尤其是对注意力和执行控制过程,而不是对学术有效性的明确主张。因此,该领域应被视为具有前景,但在方法学上存在不平衡,需要更多严格且针对数学的具体研究。

总体而言,结构化的综合分析表明,当前关于学习障碍人群的BCI研究主要集中在基于EEG的干预上,特别是针对领域通用认知机制(尤其是注意力调节和执行功能)的干预。这类文献为未来关于数学学习障碍的研究提供了有意义的机制层面基础,但尚未为计算障碍或空间感知障碍提供直接的实证验证。

综上所述,结构化的综合分析表明,最有力的证据集中在领域通用的认知结果上,尤其是注意力调节和执行功能,而直接与数学相关的应用仍然较少且发展不足。工作记忆的改善也有报告,但这些发现基于的研究样本量较小。学术成果显示出一些积极趋势,但通常作为次要而非主要终点出现。总体而言,行为和神经生理学发现之间的趋同表明BCI相关认知干预在神经发育人群中具有初步潜力;然而,证据在方法学上仍存在不平衡,特别是在严格控制、学术迁移和与数学学习障碍的直接相关性方面。

如图3所示,纳入的研究分布在不同的方法学设计中,随机对照试验最为常见,其次是准实验研究和单组前后对照研究。

为了了解BCI在 learning disabilities 领域的应用地理分布情况,对纳入的研究的地理分布进行了分析。如图4所示,研究分布在四个类别:亚洲、欧洲、北美和未指定地区。最后一类包括那些未能提供足够信息以确定明确地理位置的研究。结果表明,大多数研究在亚洲进行(14项研究),其次是欧洲(7项研究)和北美(5项研究),而有2项研究没有指定明确的地理背景。这种模式表明,亚洲国家,特别是中国和韩国,在教育及临床背景下BCI相关干预的实验开发中起着主导作用。同时,尽管数量较少,但在欧洲和北美进行的研究通常采用了更为严格的方法学控制。这种地理不平衡在创新和方法学严谨性方面可能影响了当前的证据基础。

关于研究问题的解读:
RQ1. 目前BCI在 learning disabilities 人群中的应用有哪些,这些干预的主要特征是什么?
被研究的研究表明,大多数BCI相关干预基于EEG神经反馈范式,针对与注意力调节和执行功能相关的振荡活动,最常见的是在theta、alpha和beta频段。经常报告的方法包括theta/beta比率训练[34,38,39]、感觉运动节律(SMR)神经反馈[37,61]和慢皮层电位(SCP)神经反馈[62]。较少数量的研究采用了fNIRS基方法[62]或移动/家庭基BCI系统[48,51],表明出现了向更便携和生态适应性更强干预格式的转变趋势。一些研究还结合了基于EEG的神经反馈与药物或行为干预[52,57,63]。尽管广泛的搜索策略涵盖了多种学习障碍人群,但只有针对ADHD的研究符合所有资格标准,这突显了该领域的当前焦点以及缺乏针对阅读障碍(dyslexia)、计算障碍(dyscalculia)或空间感知障碍(ageometria)的类似干预证据。

RQ2. BCI相关干预在多大程度上能够改善注意力、工作记忆和执行功能?
在纳入的研究中,最一致的结果集中在注意力调节和执行功能上,这些效果是通过行为评分量表、神经心理学任务和神经生理指标来测量的。报告的改善包括注意力控制、抑制过程、反应一致性和选定执行任务的提升,一些研究还记录了工作记忆的积极结果。[35]报告了与反应抑制相关的事件相关电位变化,而[50]发现执行功能改善的同时数学表现也有所提高。此外,结合神经反馈与药物治疗的多模式干预似乎比单一模式方法产生了更强的行为效果[52,63]。然而,这些发现应谨慎解读。尽管总体趋势积极,但更严格的随机对照研究往往产生更混合的结果。因此,当前的综述将文献解读为提示潜在的认知益处,而非确证已建立的有效性。

RQ3. 有证据支持BCI干预对数学和几何学习的可能相关性吗?
现有文献在这方面的直接证据非常有限。很少有研究直接评估与数学或几何学相关的结果。然而,文献提供了“间接-接近”转化应用的支持,因为BCI相关干预主要针对的认知领域——即注意力、工作记忆和执行功能——也是数学学习的核心,并且在计算障碍[64,65,66]中经常受损。这一解释得到了更广泛理论和实证工作的支持,这些工作表明ADHD、阅读障碍和计算障碍在执行控制、工作记忆和注意力调节方面存在共同的问题[20,21,22,23,24,25,26,27]。基于此,可以合理认为针对这些领域通用机制的BCI干预可能对数学学习障碍具有转化应用价值。同时,这种相关性仍处于假设生成阶段,因为没有符合条件的研究直接测试过BCI干预在计算障碍或空间感知障碍中的效果。

RQ4.**文献中的主要空白是什么,特别是在计算障碍和几何感知障碍方面?**
与此问题相关的重要发现是,完全缺乏针对计算障碍或几何感知障碍的合适的脑机接口(BCI)干预研究。这种缺失表明,将BCI技术应用于数学学习障碍仍然是一个新兴且尚未充分发展的研究领域。一个可能的原因是关于数学学习障碍的研究长期存在碎片化现象,包括诊断标准的差异以及针对这些障碍的干预研究相对较少[67]。尽管如此,现有证据表明,当干预措施针对多动症(ADHD)、阅读障碍(dyslexia)和计算障碍共有的认知过程,并且这些过程与与数字认知相关的前额叶-顶叶系统有关时,采取谨慎的转化策略在理论上是可行的[20,23,24,68]。因此,未来的研究应该超越一般的认知训练,为计算障碍和几何感知障碍的学习者开发特定的BCI方案,并直接评估他们的数字能力、算术表现、视觉空间推理和几何相关的结果。

**讨论**
本综述旨在探讨脑机接口(BCI)在学习障碍人群中的干预措施,并考虑其对数学学习困难(特别是计算障碍和几何感知障碍)的可能相关性。尽管进行了广泛的数据库搜索,但未发现任何直接针对计算障碍或几何感知障碍人群的合适干预研究。这一缺失凸显了文献中的重要空白,表明BCI相关方法在数学学习障碍领域的应用仍处于早期发展阶段。虽然本综述在概念上参考了有关ADHD、阅读障碍和数学学习困难的文献,但只有针对ADHD的干预研究符合最终纳入标准。这种模式是相关的,因为ADHD、阅读障碍和计算障碍在工作记忆、执行功能和注意力控制方面存在部分重叠的困难[69,70]。因此,本综述考虑了来自针对ADHD的BCI干预的证据是否可以在共享的认知机制层面对数学学习困难具有转化意义。
尽管在最终样本中未找到针对计算障碍或阅读障碍的合适干预研究,但一些广泛的脑电图(EEG)和神经反馈相关文献在理论上仍具有参考价值。例如,[71]讨论了视觉训练在小世界网络连接中的作用,而[72]报告称结合神经反馈和视觉训练的方案可以改善阅读障碍儿童的连接性和认知表现。此外,[73]发现了与前额颞叶和顶叶区域相关的EEG异常,这些区域与语音处理、执行控制和工作记忆有关。由于这些过程也与数学认知相关,这些研究可能为机制层面的转化提供了背景支持。然而,它们不应被直接解释为BCI在计算障碍或几何感知障碍中的有效性证据。

总体而言,现有证据表明,如果BCI相关方法针对注意力调节、工作记忆和执行控制等认知机制,那么它们可能对数学学习困难具有转化意义。然而,这种相关性仍具有不确定性,尤其是缺乏在数学学习环境中的直接实证研究。因此,目前的综述并未确认BCI对计算障碍或几何感知障碍的有效性,而是指出了未来针对特定障碍的研究的一个潜在方向。

**缺乏专门针对计算障碍的干预研究**可能反映了理论和方法上的挑战,包括数学学习特征的异质性以及缺乏数字认知的标准化神经生理学标志物。解决这些挑战可能需要认知神经科学、神经教育学和计算建模之间的更紧密合作,以开发更精确的BCI框架,用于数字相关的学习过程。

**总体而言,现有证据基础为使用BCI相关方法调节与数学相关的认知机制(尤其是注意力、工作记忆和执行控制)提供了初步支持,而针对计算障碍和几何感知障碍的直接BCI研究仍是未来研究的明确重点。**

**4.1 分类器设计、个性化以及实时教育BCI的挑战**
从更广泛的BCI文献中出现的另一个问题是用于解码神经生理信号的的分类器的类型、可解释性和报告透明度。虽然本综述中包含的研究主要关注干预结果而非算法基准测试,但观察者的观点很重要:未来的教育BCI系统,特别是那些针对计算障碍或几何感知障碍的系统,将需要更精确且可解释的分类器,以便能够实时检测有意义的认知状态。这包括更清晰地报告所采用的模型是确定性的还是概率性的,是否使用了不确定性估计或拒绝选项,以及系统是否支持个性化适应。对于有学习困难的学习者而言,这些问题尤为重要,因为他们的神经反应、疲劳模式和神经可塑性适应可能在个体之间存在显著差异。因此,未来的研究不仅应评估行为结果,还应解决分类器的鲁棒性、个性化以及在现实教育环境中基于不确定性的决策问题。

**关于先进的信号分类方法**,本综述中包含的合适干预文献并未提供广泛实施先进深度学习管道或基于视觉变换器(ViT)架构的大量证据。这可能反映了所研究的重点主要是干预措施而非算法开发。尽管如此,未来的教育BCI研究可能会从考察深度学习和基于变换器的模型的最新进展中受益,以改善实时解码、个性化和学习相关应用的鲁棒性。

**4.2 教育BCI整合的额外实际挑战**
未来研究还需关注三个额外问题。首先,在教育BCI应用中,EEG与符号的同步性仍然是一个重要问题,特别是在需要实时将神经反应与符号数值或几何刺激对齐的情况下。其次,大脑疲劳是一个主要的实际问题,因为BCI系统通常需要持续的注意力,而有学习困难的青少年在进行复杂任务时可能会较早出现认知疲劳。第三,BCI技术的有效教学整合不仅取决于技术性能,还取决于教学人员的培训。如果没有充分的教师准备,即使是有前景的神经技术系统也可能难以在课堂实践中得到有效应用。这些问题突显了未来研究需要将神经技术创新与教育设计、可用性和实施研究结合起来。

**4.2.1 伦理和实际考虑**
在未成年人群体中实施BCI技术需要适当的治理结构来确保他们的神经数据隐私。一些关键考虑因素包括获得知情同意或批准、数据最小化、数据保留限制和数据访问控制。此外,在学习机构中实施BCI技术必须遵循国际伦理框架,如联合国教科文组织关于人工智能伦理的建议(2021年)和IEEE 7010-2020/2022 [74,75]。在组织层面,学习机构或研究小组必须有具体的BCI技术实施协议,包括未成年人的父母或监护人的选择权、数据存储机制以及工作人员对敏感数据管理的培训。上述考虑因素的实施报告必须标准化。

在未成年人中,这些问题尤为敏感,因为他们的神经数据可能揭示的不仅仅是注意力或疲劳的模式,还可能涉及更广泛的发展特征,从而增加了对严格治理和适度数据保护的需求。教育环境不是一个中立的实施环境。在学校环境中,有学习困难的学生可能会经历信心下降、反复失败、动机减退或与学术表现不佳相关的情绪负担。因此,教育环境中的BCI相关干预措施不应仅从认知表现的角度进行评估,还应考虑学生的动机、情绪健康、课堂接受度和教学整合。

经济可行性是教育采用的另一个重要条件。虽然从临床级系统向消费级可穿戴设备的过渡可能会逐步降低成本并提高便携性,但在学校中的广泛实施仍取决于经济性、维护、人员培训和技术支持,以及教育效益是否能证明投资是合理的。因此,未来的研究不仅要评估有效性,还要评估成本效益和在学校环境中的实际部署模型。

一个未解决的重大挑战是确定短期内BCI相关的收益是否反映了学习相关神经网络的持久重组,以及这些变化是否能转化为真实教育任务中的稳定好处。对于数学学习困难而言,这一问题尤为重要,因为长期转化为实际学术功能至关重要。一个相关问题是BCI相关干预措施在不同障碍之间的适用性。本综述表明,只有当干预措施针对跨障碍共有的认知机制(如注意力调节、工作记忆或执行控制)时,才能实现这种转移。然而,不应自动假设这种普遍性。为数学学习困难设计的干预措施可能不会直接适用于ADHD儿童,反之亦然,除非它们的认知目标、任务要求和学习结果明确对齐。因此,未来的研究应通过实证测试而不是理论推测来验证这种转移。

**4.2.2 局限性和未来研究**
与本综述相关的另一个重要限制是,没有找出专门针对计算障碍或其他学习障碍的实证研究。虽然最初的目标是识别此类研究,但搜索未能找到符合既定标准的研究。此外,也没有找到充分解决本综述提出的研究问题的关于阅读障碍在BCI领域的研究。尽管如此,本综述通过对当前脑机接口(BCI)在学习障碍领域的研究现状进行整理,识别了可以通过神经反馈和BCI干预调节的主要认知领域,突出了最初为注意力缺陷/多动障碍和阅读障碍设计的干预措施的潜在重要性。该综述结合了这些障碍之间共享的认知和神经生理机制的实证证据,为未来研究奠定了坚实基础。

随着讨论的深入,实证研究应着重于开发和评估专门针对计算障碍和几何感知障碍的脑机接口(BCI)方案。这将有助于评估与数字能力相关的认知机制,如工作记忆、执行功能以及视觉空间推理。此类研究努力可能在弥合研究与实践之间的现有差距方面发挥重要作用,确保BCI能够适当调整,以满足有各种数学学习障碍的儿童和青少年的需求。

**5. 结论**
本综述考察了最近关于脑机接口(BCI)在学习障碍人群中的干预措施的实证研究,并考虑了它们对数学学习困难(特别是计算障碍和几何感知障碍)的可能相关性。结果显示,现有证据基础几乎完全由针对ADHD的研究组成,主要由基于EEG的神经反馈干预组成,这些干预旨在调节注意力调节、工作记忆和执行功能。虽然一些发现表明对与数学学习相关的通用认知机制有积极影响,但未找到直接针对计算障碍或几何感知障碍的合适干预研究。因此,本综述并未支持关于BCI对数学学习障碍有效性的确证性结论。相反,它提供了现有文献的结构化概览,阐明了现有发现的转化意义,并指出了未来研究中必须解决的主要实证和概念性空白。特别是,未来的研究应优先开发针对计算障碍和几何感知障碍的特定BCI方案,并直接评估数字能力、算术表现、视觉空间推理和几何相关的学习结果。

未来的工作还应探索开发多模式BCI系统,将EEG与眼动追踪和运动传感器等补充数据流相结合,从而更丰富和生态学上更准确地理解课堂参与度、认知努力和学习行为。此外,BCI在教育中的成功应用不仅取决于技术的完善,还取决于教育者的准备。教师需要接受培训,以正确解释BCI生成的数据,将这些信息整合到教学决策中,并以支持而非扭曲课堂实践的方式使用这些系统。

总体而言,BCI相关技术似乎在教育和神经发展应用方面具有长期潜力。然而,它们在标准教育环境中的使用,尤其是在数学学习障碍方面,仍处于早期阶段,需要更加严格的实证验证、伦理保障、技术完善和教育学基础的实施研究。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号